In molte parti del mondo, i raccolti stanno diminuendo, in gran parte a causa degli effetti del cambiamento climatico. Secondo un recente studio della Cornell, negli ultimi quattro decenni, per ogni grado Celsius di riscaldamento, il reddito agricolo netto è diminuito del 66%.

Gli agricoltori dei paesi sviluppati possono spesso fare affidamento su grandi set di dati e strumenti di gestione del rischio per contribuire a ridurre l’impatto del caldo estremo sulla loro resa e sul loro reddito. Ma nei paesi in via di sviluppo i dati sono scarsi ed è spesso difficile misurare con precisione la resa dei raccolti.

In un articolo apparso su Environmental Research Letters , gli scienziati suggeriscono di utilizzare foto satellitari per misurare a distanza la fluorescenza della clorofilla (SIF) indotta dal sole come modo per valutare e prevedere la resa delle colture. Utilizzando campi campione di mais negli Stati Uniti e di grano in India, gli scienziati hanno escogitato un approccio che, in linea di principio, dovrebbe funzionare universalmente per qualsiasi coltura, secondo Ying Sun, coautore e professore associato di scienze del suolo e delle colture in la Facoltà di Agricoltura e Scienze della Vita (CALS).

La fluorescenza della clorofilla è la luce rossastra riemessa dai tessuti e dagli organismi fotosintetici, ha affermato, una misurazione che funge da indicatore della conversione dell'energia fotosintetica nelle piante.

"Non ti dirà quante spighe di grano ci sono in un campo", ha detto, "ma il primo passo è modellare la fotosintesi dalla fluorescenza. La resa del raccolto dipende dalla fotosintesi. Qui abbiamo un modello meccanicistico, che è molto importante. "

Il coautore Chris Barrett, professore di economia applicata e management di Stephen B. e Janice G. Ashley alla Charles H. Dyson School of Applied Economics and Management e alla Cornell Jeb E. Brooks School of Public Policy, suggerisce questo approccio potrebbe essere utile per fare previsioni e individuare obiettivi:prendere decisioni politiche, stabilire assicurazioni sui raccolti e persino prevedere aree di povertà.

Questa strategia sfrutta la crescente disponibilità di dati satellitari ed è più economica da utilizzare e più veloce da accedere rispetto ad altri metodi di previsione del rendimento, ha affermato.

"Ecco perché lo considero promettente. Posso immaginare che sia utile nel prevedere la povertà a livello di villaggio nelle aree rurali dove gran parte dell'economia è guidata dall'agricoltura", ha affermato. "Sono luoghi in cui abbiamo avuto difficoltà a raccogliere dati e in cui le cose possono cambiare molto rapidamente. Se stiamo cercando di prendere risorse scarse e reindirizzarle dove avranno il maggiore impatto, questo potrebbe essere utile."

Questo strumento potrebbe essere utilizzato per aiutare le organizzazioni di assistenza alimentare e le agenzie non governative a essere più agili nel fornire aiuti, ha affermato Barrett.

Sun ha detto che lei e i suoi colleghi stanno lavorando su ulteriori ricerche che consentirebbero in futuro di utilizzare questo tipo di strumento in tempo reale per consentire agli agricoltori di reagire, aggiustando cose come gli ammendamenti del terreno o le strategie di irrigazione per migliorare la salute e la produttività del raccolto attuale.

Negli Stati Uniti, il Dipartimento dell’Agricoltura e altre istituzioni forniscono enormi quantità di dati sui raccolti. Sempre più spesso, i modelli di apprendimento automatico vengono utilizzati per fare previsioni, ha affermato l'autore principale Oz Kira, dell'Università Ben-Gurion del Negev in Israele, e in precedenza post-doc nel laboratorio di Sun, ma questi modelli presuppongono condizioni ambientali simili.

Kira suggerisce che l'utilizzo dei dati satellitari sulla fluorescenza della clorofilla consentirà di modificare le condizioni.

"Se le condizioni di crescita cambiano, è possibile che le previsioni non siano applicabili", ha detto Kira. "Nel nostro caso, non basiamo i nostri modelli sull'osservazione preventiva. Ciò può tenere conto del cambiamento climatico."

I coautori dello studio includono Jiaming Wen, Ph.D.; Jimei Han, un ricercatore post-dottorato nel laboratorio di Sun; Andrew McDonald, professore associato presso la School of Integrative Plant Science e il Dipartimento di Sviluppo Globale (CALS); Ariel Ortiz-Bobea, professore associato di economia e politica applicata (Dyson and Brooks School); e Yanyan Liu, professore a contratto (Dyson).